Google DeepMind и Йельский университет представили AI-систему, способную не просто анализировать данные, но генерировать полностью новые научные гипотезы и проверять их на живых клетках. Модель Cell2Sentence-Scale 27B, построенная на базе Gemma, создала оригинальное предположение о поведении раковых клеток в контексте иммунной системы — и это предположение было экспериментально подтверждено исследователями Yale.

15 октября CEO Google Сундар Пичаи назвал это важной вехой для AI в науке. Открытие демонстрирует переход искусственного интеллекта от инструмента обработки информации к полноценному научному коллаборанту, способному выдвигать идеи, которые люди могли бы не заметить.

🔬
AI впервые не просто проанализировала данные, а создала новую гипотезу о биологическом механизме, которую учёные проверили экспериментально в живых клетках и подтвердили её состоятельность.

От обработки данных к генерации идей

Cell2Sentence-Scale 27B была спроектирована для анализа одноклеточных данных — молекулярной активности внутри отдельных клеток. Рак по своей природе является болезнью клеточного поведения, поэтому понимание того, как клетки коммуницируют, размножаются и изменяются, критично для разработки терапий. Традиционно учёные тратят годы на выявление этих паттернов.

Модель C2S-Scale 27B с 27 миллиардами параметров была обучена понимать язык клеток, выявляя связи в огромных биологических датасетах. Система провела виртуальный скрининг более 4,000 лекарственных соединений на образцах опухолей пациентов и изолированных клетках, используя двухконтекстный подход для идентификации препаратов, способных усилить иммунную сигнализацию.

Превращение холодных опухолей в горячие

Ключевое открытие AI касается механизма активации иммунного ответа против рака. Существуют так называемые холодные опухоли — те, которые избегают обнаружения иммунной системой, что делает иммунотерапию неэффективной. Модель предсказала способ сделать эти опухоли горячими — видимыми для иммунных клеток.

AI идентифицировала ингибитор киназы CK2 силмитасертиб (CX-4945) как ключевое соединение. Модель предсказала, что силмитасертиб резко увеличит презентацию антигенов только в иммунно-положительном окружении при наличии низких уровней интерферона. Отдельно ни препарат, ни интерферон не давали значительного эффекта, но вместе они могли запустить мощный иммунный ответ.

С дополнительными доклиническими и клиническими тестами это открытие может выявить многообещающий новый путь для разработки терапий против рака.— Сундар Пичаи, CEO Google

Экспериментальная валидация в Yale

Учёные Yale проверили предсказание AI на человеческих нейроэндокринных клеточных моделях — данных, которые не использовались при обучении модели. Результаты подтвердили гипотезу: лечение только силмитасертибом не давало изменений, низкая доза интерферона давала скромный эффект, но комбинация двух препаратов привела к 50% увеличению презентации антигенов.

Это означает, что AI не просто обработала биологические данные — она рассуждала через контекст, обнаружив, как клеточные условия определяют успех терапии. Открытие предлагает потенциальную дорожную карту для борьбы с опухолями, устойчивыми к существующим иммунотерапиям.

💡
10-30% соединений, идентифицированных AI, были полностью новыми кандидатами без предыдущих связей с иммунотерапией рака или иммунной модуляцией — открытие неизвестных ранее механизмов.

От AlphaFold к Cell2Sentence

Это не первый крупный прорыв DeepMind в фундаментальных исследованиях. В 2020 году AlphaFold предсказала структуры почти всех известных белков — достижение, которое революционизировало биологические лаборатории по всему миру. Последняя работа с Yale продолжает эту траекторию, смещая фокус на одноклеточную биологию.

Размер модели — 27 миллиардов параметров — подчёркивает тренд AI в сторону более крупных специализированных систем, способных обрабатывать огромные сложные научные датасеты. Это не универсальный chatbot, а узкоспециализированный инструмент для биологических открытий.

Практические последствия для исследований

Исследователи Yale сейчас изучают точный механизм, обнаруженный AI, и тестируют другие предсказания системы. Сотрудничество демонстрирует, как крупномасштабный AI может служить виртуальной лабораторией, запуская тысячи симулированных экспериментов для выявления неизвестных отношений между препаратами, клетками и иммунными сигналами.

Успех Cell2Sentence-Scale 27B подчёркивает сдвиг в подходе учёных к биологии. Вместо традиционных методов проб и ошибок AI-модели такого масштаба могут генерировать и тестировать гипотезы с беспрецедентной скоростью. Система не заменяет учёных, но значительно ускоряет процесс создания и сужения критических идей.

Google DeepMind Research

Изучите последние достижения DeepMind в применении AI к фундаментальным научным проблемам — от структуры белков до клеточной биологии и открытия лекарств.

Перейти к исследованиям

Будущее AI в научных открытиях

Хотя открытие далеко от лекарства от рака, оно служит обнадёживающим доказательством концепции. Оно показывает, что AI может выйти за пределы анализа существующих знаний и активно участвовать в создании нового научного понимания, помогая учёным генерировать идеи быстрее, чем когда-либо.

По мере продвижения проекта DeepMind-Yale к дальнейшему тестированию и рецензируемой публикации научное сообщество будет внимательно следить за истинной мерой его успеха: последовательностью в создании проверяемых новых открытий. Если модель сможет систематически генерировать подтверждаемые гипотезы в разных областях биологии и медицины, это станет фундаментальным сдвигом в методологии научных исследований.

Проект также поднимает вопрос о будущем разделении труда между AI и человеческими исследователями: AI становится генератором гипотез, а учёные — верификаторами и интерпретаторами результатов. Такая модель может радикально ускорить цикл от идеи до клинического применения в разработке лекарств и терапий.